中国知网查重 高校在线论文查重入口

立即检测
  • 58 元/篇
    系统说明: 知网职称论文检测AMLC/SMLC是杂志社专用系统,针对投稿论文、评审论文、学校、单位职称论文的学术不端重复率检测系统。
  • 328 元/篇
    系统说明: 知网本科论文检测PMLC是最权威的大学生毕业论文检测系统,含“大学生论文联合对比库”,国内95%以上高校使用。检测结果和学校一致!
  • 498 元/篇
    系统说明: 此系统不支持验证!可用作研究生初稿检测,相比知网VIP5.3缺少“学术论文联合对比库”,检测结果有5%左右的误差!(论文中若参考往届研究生论文,重复率误差会较大)
  • 128 元/篇
    系统说明: 大分解论文检测系统,对于想检测学术不端文献检测系统,而又价格便宜的同学可以选择,限每篇2.9万字符,结果与大学生PMLC、硕博VIP定稿系统有出入!
  • 68 元/篇
    系统说明: 知网论文小分解检测系统,适合中国知网初稿查重,数据库和定稿查重不同。结果与本科PMLC,研究生VIP5.3有出入,限每篇1.4万字符!
  • 3 元/千字
    系统说明: 学术家论文重复率检测系统,支持学位论文、毕业论文、投稿论文、职称评审论文,提供全文对照,word标红报告,性价比超高!
论文方法写作-融资融券对我国股票市场的波动性影响研究
时间:2021-04-02 15:50:21

  至2010年我国正式推出融资融券交易制度以来,融资融券规模日益剧增。截止到2020年3月,我国股票市场融资融券的日交易额已高达4567.35亿元。历经9年的发展,融资融券交易已经成为我国证券投资者重要的一种投资工具,同时受到政府、投资者和学者们广泛关注。

  本文以2014年融资融券扩容完成、2015年股灾和2016年熔断为研究事件,利用事件研究法和VAR模型分别检验了三个事件背景下融资融券与沪深300指数波动性之间的关系。研究结果表明:融资融券交易对我国股市波动性的影响为短期影响。最后本文基于以上结论,认为为了减少融资融券交易所带来的短期影响,降低市场风险,保障投资者权益,需要多方携手共同努力:政府应当加强对投资者的教育、对股票市场适时采取必要的监管手段,在出现重大利好、利空消息时,要规范新闻媒体的报道,不可扭曲夸大事实,引发市场进一步恐慌;投资者自身也需要积极学习相关专业知识,提高专业知识素养,进行理性投资。

  融资融券交易最早发生在于1607年荷兰的阿姆斯特丹交易所。对于中国而言,在上世纪70年代和90年代分别在台湾和香港这两地的证券市场推行了两融制度。但是自卖空交易机制出现以后,在该机制对证券市场影响的问题上,学术界一直没有达成一致,不同的人对此看法也不同。支持者们认为该机制会有助于提高市场的运作效率,并且能够稳定市场,缓解波动;反对者们则认为该机制会加大股市的波动。直到上世纪90年代,随着上海证券交易所与深圳证券交易所的相继成立,中国大陆地区才开始了自己的股票交易。

  至2010年3月,沪深两大交易所正式开始融资融券业务,10年来历经5次扩容后融资融券标的股已经超过900只,大约为沪深A股所有上市公司的三分之一。而且在每次扩容后,融资融券业务交易量都有大幅度的增长,在融资融券发展最初,2010年3月31日融资余额仅有0.06亿元,融券余额仅有0.001亿元,然而至2017年12月28日,沪深两市当日融资融券余额已分别达到10217.58亿元和45.06亿元,很明显可以看出我国融资融券业务发展速度之快以及规模之广。在证券交易所修订2019《融资融券交易实施细则》出台之后,市场融资融券标的市值占总市值比重从约70%增长到80%以上,其中中小板和创业板股票市值占比大幅度提升,对股市波动性的影响也进一步增强。作为我国资本市场基础性制度建设的一大重要举措,投资者和监管机构也期望融资融券在我国资本市场长期发展中能够起到加强市场稳定的作用。但是,由于A股市场在2015年6月和8月出现了两轮暴跌、16次千股跌停的局面,使得社会各界开始质疑融资融券交易的杠杆作用,并且认为这是使得股市产生异常波动,甚至发生“股灾”的主要原因。从2015年7月开始,融资融券交易尤其是融券交易开始受到如暂停融券券源供给、保证金比例调高、以及融券交易规则从最初的“T+0”改为“T+1”等诸多限制。融资融券是否会助涨助跌、加剧股票市场波动,成为自2015年以来我国资本市场的一个热门讨论话题。

  1.1.2研究意义

  本文的选题意义主要有以下几个方面:

  (1)进一步加深对融资融券影响的相关研究。伴随着A股市场融资融券业务的逐渐发展,国内关于该业务的相关研究文献也日益增加,但是因为受初期标的股票数目过少的限制,很多议题尚未得到深入研究,因此,关于融资融券交易对于股票市场影响的许多问题,仍需要得到进一步的研究,本文的研究成果希望可以对该问题的解决有所贡献。

  (2)促使投资者更好的认识融资融券交易,有助于投资者进行理性投资,并且通过对于融资融券交易对我国股市波动性所产生作用的揭示,使得投资者能够更好的认识到进行融资融券交易当中所存在的风险,使得投资者在进行融资融券交易的过程中变得更加谨慎与理性。

  (3)为监管者提供建议。卖空交易一直以来被认为会扰乱市场稳定,因此遭到风险厌恶者们的抵制。长期以来,监管层对于卖空交易的态度也摇摆不定,特别是在股市行情表现为熊市时往往限制甚至于禁止进行卖空交易,甚至全球仍有部分市场依然不允许进行卖空交易。基于这些,本文利用充分的数据样本和先进的计量方法研究融资融券交易的影响将会有助于监管层制定更好、更科学、更合理的监管政策。

  1.2研究思路与研究方法

  1.2.1研究思路

  第一章引言,主要讲述了本文的研究背景、研究意义、研究思路以及研究方法和创新与不足等多个要点,作为整篇文章的导入。

  第二章介绍有关融资融券交易对股市波动性影响的国内外文献综述。

  第三章VAR定价模型的相关介绍,并对模型中的相关变量进行了定义。

  第四章实证分析部分,通过使用控制变量法和事件研究法讨论不同市场环境条件下融资融券交易对于沪深300指数波动性的影响。

  最后一章总结与展望,对全文的研究做出总结,并对未来我国股票市场的融资融券政策提出了一些建议。

  本文使用了我国沪深300指数在2014年9月22日、2015年6月15日和2016年1月4日,3个日期的前10个交易日的日度交易数据作为样本数据,计算相对应的股市波动率、融资交易变量和融券交易变量,通过构建VAR定价模型,检验融资融券交易对于股市波动性的影响。模型构建具体步骤如下:

  (1)因为VAR模型需要保证数据是一个平稳的序列,所以首先需要对样本数据进行ADF检验,验证平稳性,但由于p值很小,所以拒绝原假设,可以建立相对应的VAR模型。

  (2)在建立所需要的VAR模型之后,需要通过AR根检验的方式,来验证所建立的VAR模型的稳定性,如果模型是不稳定的,则不能得出可靠结论。当发现AR根检验图内所有的点都出现在单位圆内,得出所构建的VAR模型是稳定的。

  (3)当确定所建立的VAR模型通过AR根检验之后,通过脉冲相应检验,确定VAR模型中的两个变量是否存在因果关系,并且确定两个变量之间的关系是正相关还是负相关,是强相关还是弱相关。

  1.2.2研究方法

  本文在研究过程中主要采用文献研究法和事件研究法。

  (1)文献研究法。本文通过对于研究主体相关文献的搜集、阅读、整理以及分析,将融资融券对股市波动影响的相关研究进行归纳。

  (2)事件研究法。本文在文献分析的基础上,利用VAR模型分别对“扩容背景下”、“股灾背景下”、“熔断背景下”、三个时段不同背景事件的情况下全面分析融资融券交易对于我国股票市场波动性的影响。

  1.3研究创新与不足

  1.3.1研究创新

  (1)本文利用2014年至2016年年初,牛市和熊市转换的过程中三个具有代表性的事件对融资融券交易和股市波动性关系进行实证研究。从2014年9月22日沪深两市完成扩容之后,即融资融券标的股的第四次扩容完成,沪深两市进入了上涨通道,至2015年6月中旬股灾发生,上涨通道结束,下跌通道开始。2015年6月中旬的股灾为沪深两市由牛市转为熊市的重要标志,随后2016年的熔断又一次导致沪深两市进入下跌通道,因为熔断机制的出现,进一步加剧市场的恐慌的情绪,投资者继续抛售手中的股票,股市加剧下跌,熔断也成为了沪深两市进一步下跌的重要标志。本文独特的以背景事件为研究对象,将不同背景事件在同一市场中,作对比,不同于传统的分析单一市场的长期融资融券交易对于市场的影响。

  (2)目前关于融资融券交易如何影响股市波动性的研究主要是针对融资融券交易总效应对于股市波动性所产生的影响,而本文不仅分析了融资融券交易如何影响股市的波动性,而且还单独分别分析了融券交易及融资交易对于股市波动性所造成的影响。

  1.3.2研究不足

  (1)本文对沪深300指数的市场波动率的处理过于简单,可能导致结果不够精确。在本文的写作过程中,波动率的公式过于简单,所用的衡量沪深股市波动的标的指数为沪深300指数,其在众多的股票指数中只是其中之一,其虽然能够完全的将大盘的真实情况反映出来,但是其不能反映某个板块的具体变动情况。

  (2)本文研究时间截止于2016年,对2016年之后融资融券交易和股市波动之间的关系没有进行相关研究。在当前中美贸易摩擦不断加剧,全球经济衰退的大背景下,贸易战是否能够对中国A股市场的波动产生影响,本文没有做探究。

  第二章文献综述

  2.1国外研究现状

  自融资融券业务推出之后,该业务对股市波动的影响便一直饱受各方争议,国内外学者虽然针对这个问题进行了很多理论以及实证方面的研究,但至今仍未达成一致的结论。结论总体可分为以下三个方面:融资融券可以抑制股市的波动、加剧股市波动和对股市波动无影响。

  2.1.1融资融券交易能够抑制股市的波动

  在国外学者的研究中,Woolridge(1994)对融券交易的引入进行分析后发现,融券交易的价格发现功能会使得股市波动性降低。

  James.J.Angel(1997)以纽交所的110支标的股票作为研究对象也得出了同样的结论。

  Scheinkman(2003)从交易市场制度的完善情况角度分析对比了制度完善度较低的融资融券交易市场和制度完善度较高的融资融券交易市场中两融交易对股市波动性所产生的影响,研究发现制度完善度较高的融资融券交易市场中的风险程度相对更低,并且融资融券交易的价格发现功能会使得市场风险降低。

  Autor(2011)研究分析了限制融券交易后股市的波动性,得出当融券交易受到限制后,股价会出现被高估的情况,即市场的波动性增大。

  Boehmer(2013)针对金融危机发生时限制融券交易所产生的影响进行了研究分析得出了同样的结论。

  2.1.2融资融券会使得股市波动性增加

  Bogen,Krooss(1960)在投资者惯性理论的基础上分析了融资融券交易的杠杆效应,认为融资融券交易的杠杆效应会使得股市的波动性增加。

  Antonio(2004)基于群体恐慌理论分析了当金融危机发生时投资者的恐慌情绪加上融资融券交易的杠杆效对于股市波动所造成的影响,得出融资融券交易会增加股市波动性。

  Chang(2007)针对香港股市的两融业务,分析对比了在除去与包括融券交易标的股票两种不同情况下香港股市的波动性,研究发现融券交易的出现会加大股票市场的波动。

  2.1.3融资融券对股价波动并无影响

  KrausandRubin(2003)研究分析了在不限制融券交易情况下股票市场的波动情况,得出是否限制融券交易对股市波动性并不会产生较大影响。

  Sigurdsson(2011)研究分析了20多个国家的股票市场在限制做空交易后发生的变化,结果显示虽然股票收益率上升但是出现极端负值的情况的概率依旧巨大即两融业务对股市波动的影响并不明显。

  2.2国内研究现状

  虽然由于我国融资融券交易起步较晚,国内研究者对两融交易的研究也较迟,但是随着融资融券交易在我国的不断发展,相关研究也越来越丰富。近年来针对融资融券交易对股票市场波动性影响的研究结论也可以分为融资融券可以抑制股市波动、加剧股市波动、和对股市波动无影响三种情况。

  2.2.1融资融券交易能够抑制股市的波动

  认为融资融券交易能够抑制股市波动的学者们的研究方法主要可分为VAR法与非VAR法。

  VAR法方面:首先是佟孟华(2015)利用VAR模型从市场整体和标的个股两个方面入手研究分析后得出融资融券交易能够降低股市波动性。然后龚玉霞(2016)使用VAR模型比较分析了在第三次扩容完成前后融资融券交易对我国股市波动性的影响,研究发现融资融券可以抑制股市的波动并且这种抑制作用随着时间的推移会越来越强。其次王帅(2017)基于VAR模型以2014年9月22日至2016年4月28日的数据为样本数据进行研究后得出,融资融券交易能够抑制股市的波动性但作用不大。最后林炳华、黄小琴(2017)利用VAR模型、GARCH模型等方法研究分析后得出融资融券交易从整体上能够降低股市的波动性。这五个人利用VAR模型分别从宏微观角度和时间分析角度分析融资融券交易对股市波动性的抑制作用,但程度和使用数据有所差异。

  非VAR法方面:首先胡忆文(2016)通过利用引入虚拟变量的TGARCH-X模型以2008年1月3日至2014年12月30日的数据为样本数据,研究分析后发现,两融交易的加入使得我国股市的波动性降低。然后徐熙(2016)利用回归模型基于个股面板数据研究分析后得出融资融券交易可以抑制我国股市的波动性。最后李峰森(2017)利用双重差分模型研究得出了融资融券降低股市波动性的结论。这三人的研究利用三种不同模型发现降低股市波动性原因的多样性差异,进一步验证抑制作用。

  2.2.2融资融券会使得股市波动性增加

  认为融资融券交易能够加剧股市波动的学者们的研究方法主要可分为VAR法与非VAR法。

  非VAR法方面:最开始是陈海强(2015)使用面板数据模型对融资融券交易的标的个股进行研究分析得出融券交易可以增加股市波动率的结论。然后张品、王波(2016)使用EGARCH(1,1)模型研究分析后得出两融交易在股市处于剧烈波动时期会加大股市波动的结论。其次蒋盼(2016)利用面板数据模型基于个股数据研究分析后发现融资融券交易的出现使得个股波动性增大从而导致股市整体的波动性增大。最后李雨欣(2017)利用双重差分模型研究了融资融券交易在不同杠杆时期对于股市波动性的影响,研究后发现无论是去杠杆时期,还是加杠杆时期,两融业务都会加大股市的波动。这五人分别先后通过不同的模型发现两融交易通过不同方式加大股市波动性。

  VAR法方面:最开始是由吴国平、谷慎(2015)基于GARCH模型和VAR模型研究分析后得出在两融业务推出后,股市的波动性增大,其中虽然融券交易抑制了股市波动但是其作用相对较小,融资交易增大股市的波动并且作用相对较大。紧接着张文涛(2015)基于GARCH模型和VAR模型研究分析后得出融资融券交易加剧股市波动但其影响程度较低。后来孙珊(2016)基于VAR模型选取2014年9月21日至2015年6月21日的指标数据研究分析后发现,在股市大涨时期两融业务加剧了股市的波动并且融资交易造成的影响相对融券交易造成的影响更大。然后闫娜(2016)利用VAR模型基于2014年3月2日至2015年12月30日的样本数据研究分析后发现融资交易加剧我国股市的波动。最后是由潘立生、徐俊杰(2017)基于VAR模型分别对于熊市与牛市两种市场情况进行研究,得出两融交易虽然在熊市期间与股市的波动性无因果关系但是在牛市期间会增加股市波动性的结论。这七位学者分别先后都使用VAR模型对融资融券交易进行分析,并且都得出融资融券会加大股市波动性的结论。

  2.2.3融资融券对股市波动并无影响

  认为融资融券交易对股市波动无影响的学者们的研究方法主要可分为VAR法与GARCH法。

  VAR法方面:王旻(2008)通过格兰杰因果检验和VAR模型等方法以台湾证券市场的数据为样本研究了融资融券交易对股市波动性的影响,研究发现融资融券对股市波动性没有显著的影响。

  GARCH法方面:最开始由王虎、朱贵宇(2012)利用加入虚拟变量的GARCH(1,1)和EGARCH(1,1)模型以上证50指数的日度收盘价为样本数据,研究分析发现融资融券业务对股市波动性的影响不大。然后郑晓亚等(2015)利用引入虚拟变量的ECARCH模型、GARCH模型研究在两融业务推出前后我国A股市场波动性的变化,得出两融业务对我国股市波动性无影响的结论。最后是由王雪(2016)利用加入外生变量的GARCH模型对2014年2月至2016年2月的样本数据进行研究分析发现,融资融券交易对股市波动性造成的影响并不明显。

  除王旻(2008)利用VAR模型以外,其他四人前后使用GARCH模型研究对不同的样本数据进行研究分析后,都发现融资融券交易对股市波动性的影响不够显著。

  2.3结论

  早在20世纪60年代开始,国外学者就已经开始各国融资融券交易与其股市波动性之间的内在关系的研究。因为我国股市相对于其他国家起步较晚,所以我国学者早期对于融资融券交易与股市波动性关系的研究主要是基于新加坡、台湾和香港市场的相关数据。2010年之后,由于我国融资融券业务正式的推出,我国学者逐渐开始对沪深两市融资融券交易与沪深两市波动性之间的关系进行相关研究。我国学者在研究融资融券与股市波动性关系时,主要运用了Garch模型、VAR模型、自然试验法法、事件研究法、双重差分等模型和方法,较为普遍的采用了上证综指、深证成指、沪深300指数等标的指数进行相关实证研究。实证研究完成后,国内外学者形成了三种主要观点:融资融券交易可以加大股票市场波动,融资融券交易对股票市场市场波动无影响,融资融券交易抑制股票市场波动。由于在研究过程中,很少有学者将牛市和熊市期间,相同市场不同背景时间下的融资融券交易对股市波动的影响进行比较研究,所以本文根据相关数据研究了两融交易在三种不同情况在相同市场环境下的对于沪深300指数的影响,希望为我国证券市场融资融券交易的未来发展提供一些思路借鉴。

  

  第三章指标与研究设计

  3.1融资融券的基本介绍

  “融资融券”(securitiesmargintrading)又称“证券信用交易”或保证金交易,是指投资者向具有从事融资融券业务资格的证券公司提供担保物,借入证券并卖出(融券交易)或借入资金买入证券(融资交易)的行为。包括券商对投资者的融资、融券和金融机构对券商的融资、融券。融资为看涨,即向证券公司或其它的金融机构借钱去购买标的证券,到期时客户偿还本金以及相应的利息。融券为看跌,即向证券公司或其它金融机构借证券,到期时由客户自己购买相应证券偿还贷方。我国于2010年3月31日起正式开通融资融券业务[2]。

  3.2VAR模型介绍

  (1)VAR模型基本思想

  VAR模型研究不同变量之间的相互关系。例如:经济增长与货币供给之间的关系、货币供给增长率与通货膨胀率之间的关系等,本文研究的是融资融券交易与股市波动性之间的关系。

  (2)VAR基本模型

  VAR模型的数学表述

  (t=1,2,...,T)(3-1)

  其中,为k维内生变量向量,,...,为k×k维待估计的系数矩阵,p为滞后阶数。

  (3)选择VAR模型的原因

  1.由于VAR模型的使用不需要以严格的经济理论为依据,在学术界缺乏对两融交易与股市波动性的确定性理论前提下,使用VAR模型可以出现避免经济理论缺乏的问题。

  2.由于VAR模型的使用不需要对相关的参数施加零约束。即:无论参数估计值有没有显著性,都会保留在模型当中,不会遗漏参数对模型无影响的结论。

  3.使用VAR模型可以同时分别观察融资交易与融券交易对于标的指数波动性影响的情况。

  (4)VAR模型的基本操作步骤

  1.数据输入

  2.ADF检验

  3.模型建立及AR根检验

  4.脉冲响应检验

  5.得出结果与分析

  3.2数据选取与说明

  3.2.1数据来源

  本文相关数据均来自于深圳证券交易所和上海证券交易所官网,所使用的数据均是日度交易数据。

  3.2.2数据选取

  本文在选取交易数据时,将2014年9月22日、2015年6月15日、2016年1月8日这三个时间作为事件断点,以分析本文涉及的沪深300指数在每个事件断点前后的不同表现。本文实证过程采用EViews10软件进行操作。其中,研究期间内的每日融资交易余额、融券交易余量余额以及沪深300指数的每日最高价和最低价来自于上交所和深交所官方网站。因为本文研究过程中涉及到三个比较重要的事件,分别为2014年9月22日的A股市场融资融券标的扩容、2015年6月15日的股灾和2016年1月初的熔断,所以本文采用这三个事件来展示。由于这三个时间点相隔相对较远,如果三个事件的事件窗的周期相隔较接近,可能会出现两个事件之间的相互作用,导致实证结果产生偏差。因此本文将三个事件的估计窗口期的开始时间统一规定为事件开始前10个交易日,结束时间为事件发生的前一个交易日,同时将三个事件的事件窗口期的开始时间规定为事件发生后的第一个交易日,结束时间规定为事件发生后的第10个交易日,即估计窗口期为(-10,-1),事件窗口期为(1,10),事件发生当日规定为0.

  3.2.3相关变量说明

  (1)股市波动率

  股市波动率的数学表达式

  VOL=(3-2)

  上式中,vol代表沪深300指数的日波动率,PH代表每日沪深300指数的最高价,PL代表沪深300指数的最低价,分子代表沪深300指数最高价和最低价之间的差额,分母代表沪深300指数每日平均指数水平。

  (2)融资交易变量

  本文将融资余额设定为bf,其代表每日融资净额,具体公式为:bf=前日融资余额+本日融资买入额—本日融资偿还额。

  (3)融券交易变量

  本文选择用融券余额作为融券交易的研究变量,文中将其设定为ms,具体计算方法为:ms=每股融券余量×融券交易份数每日融券余量=前日融券余量+本日融券卖出量—本日融券偿还量[1]。

  

  第四章融资融券对沪深300指数波动性影响的实证分析

  4.1扩容背景下融资融券对沪深300指数波动性影响的实证分析

  (1)ADF检验

  因为VAR模型需要保证数据是一个平稳的序列,所以首先我们需要对相应事件进行ADF检验,检验结果如下表。

  表4.1扩容背景下沪深300指数ADF检验

  变量 ADF检验值 5%显著水平 P值

  vol -3.035 -2.992 0.00000

  bf -3.352 -3.000 0.00000

  ms -4.066 -3.000 0.00000

  由表4.1可知,在扩容背景下,事件窗口期内的ADF检验显示,变量vol、bf和ms在5%的置信水平下,ADF检验值均大于5%的置信水平,并且P值均为零,所以事件窗口期的3个变量均为平稳序列,可以建立VAR模型。

  (2)模型建立及AR根检验

  在建立所需要的VAR模型之后,需要通过AR根检验的方式,来验证所建立的VAR模型的稳定性,如果模型是不稳定的,则不能得出可靠结论。本文分别建立变量vol关于变量bf以及变量ms的公式为了分别探究融资交易和融券交易对股市波动的影响,相关公式如下:

  (4-1)

  (4-2)

  如图4.1所示为沪深300指数的AR根检验图,从图可知,公式4-1和公式4-2所建立的模型,其AR根均匀地位于单位圆内,所以公式4-1和4-2均为稳定的VAR模型,可以直接进行脉冲响应检验。

  公式4-1AR根检验图公式4-2AR根检验图

  图4.1扩容背景下沪深300指数AR根检验图

  (3)脉冲响应检验

  当确定所建立的VAR模型通过AR根检验之后,通过脉冲相应检验,确定VAR模型中的两个变量是否存在因果关系,并且确定两个变量之间的关系是正相关还是负相关,是强相关还是弱相关。

  bf脉冲响应图ms脉冲响应图

  图4.2扩容背景下沪深300指数脉冲响应检验图

  从图4.2可知,在扩容背景下的沪深300指数,变量bf与变量ms均在短期内对沪深300指数的波动存在一定影响,但由于峰值波动较低,融资融券交易并没有明显的加大市场波动。

  4.2股灾背景下融资融券对沪深300指数波动性影响的实证分析

  (1)ADF检验

  因为VAR模型需要保证数据是一个平稳的序列,所以首先我们需要对相应事件进行ADF检验,检验结果如下表。

  表4.2股灾背景下沪深300指数ADF检验

  变量 ADF检验值 5%显著水平 P值

  vol -6.152 -2.989 0.00000

  bf -3.603 -2.989 0.00570

  ms -4.172 -2.992 0.00419

  由表4.2可知,在股灾背景下,事件窗口期内的ADF检验显示,变量vol、bf和ms在5%的置信水平下,ADF检验值均大于5%的置信水平,并且P值均接近零,所以事件窗口期的3个变量均为平稳序列,可以建立VAR模型。

  (2)模型建立及AR根检验

  在建立所需要的VAR模型之后,需要通过AR根检验的方式,来验证所建立的VAR模型的稳定性,如果模型是不稳定的,则不能得出可靠结论。本文分别建立变量vol关于变量bf以及变量ms的公式为了分别探究融资交易和融券交易对股市波动的影响,相关公式如下:

  (4-3)

  (4-4)

  如图4.2所示为沪深300指数的AR根检验图,从图可知,公式4-3和公式4-4所建立的模型,其AR根均匀地位于单位圆内,所以公式4-3和4-4均为稳定的VAR模型,可以直接进行脉冲响应检验。

  公式4-3AR根检验图公式4-4AR根检验图

  图4.3股灾背景下沪深300指数AR根检验图

  (3)脉冲响应检验

  当确定所建立的VAR模型通过AR根检验之后,通过脉冲相应检验,确定VAR模型中的两个变量是否存在因果关系,并且确定两个变量之间的关系是正相关还是负相关,是强相关还是弱相关。

  bf脉冲响应图ms脉冲响应图

  图4.4股灾背景下沪深300指数脉冲响应检验图

  从图4.4可知,在股灾背景下的沪深300指数,变量bf与变量ms均在短期内对沪深300指数的波动具有一定推动作用在短期内,并且融资交易的推动作用更加明显相对于融券交易而言。

  4.3熔断背景下融资融券对沪深300指数波动性影响的实证分析

  (1)ADF检验

  因为VAR模型需要保证数据是一个平稳的序列,所以首先我们需要对相应事件进行ADF检验,检验结果如下表。

  表4.3熔断背景下沪深300指数ADF检验

  变量 ADF检验值 5%显著水平 P值

  vol -4.629 -2.989 0.0001

  bf -3.753 -3.000 0.0034

  ms -3.854 -2.994 0.0000

  由表4.3可知,在熔断背景下,事件窗口期内的ADF检验显示,变量vol、bf和ms在5%的置信水平下,ADF检验值均大于5%的置信水平,并且P值均接近零,所以事件窗口期的3个变量均为平稳序列,可以建立VAR模型。

  (2)模型建立及AR根检验

  在建立所需要的VAR模型之后,需要通过AR根检验的方式,来验证所建立的VAR模型的稳定性,如果模型是不稳定的,则不能得出可靠结论。本文分别建立变量vol关于变量bf以及变量ms的公式为了分别探究融资交易和融券交易对股市波动的影响,相关公式如下:

  (4-5)

  (4-6)

  如图4.3所示为沪深300指数的AR根检验图,从图可知,公式4-5和公式4-6所建立的模型,其AR根均匀地位于单位圆内,所以公式4-5和4-6均为稳定的VAR模型,可以直接进行脉冲响应检验。

  公式4-5AR根检验图公式4-6AR根检验图

  图4.5熔断背景下沪深300指数AR根检验图

  (3)脉冲响应检验

  当确定所建立的VAR模型通过AR根检验之后,通过脉冲相应检验,确定VAR模型中的两个变量是否存在因果关系,并且确定两个变量之间的关系是正相关还是负相关,是强相关还是弱相关。

  bf脉冲响应图ms脉冲响应图

  图4.6熔断背景下沪深300指数脉冲响应检验图

  从图4.6可知,在熔断背景下的沪深300指数,变量bf与变量ms均在短期内对沪深300指数的波动具有一定推动作用在短期内,并且融资交易的推动作用更加明显相对于融券交易而言。

  第五章结论与建议

  5.1结论

  本文使用了文献研究法和事件研究法通过利用VAR模型对融资融券交易与股市波动性关系进行了实证研究,以扩容、股灾和熔断为背景的三个事件前后20个交易日的日度交易数据为样本,并对VAR模型进行了ADF检验、AR根检验和脉冲响应检验,研究发现融资融券交易在不同事件背景下对于沪深300指数的影响,最终得出以下实证结论:

  (1)当市场处于上涨阶段时,虽然融资融券交易会加剧沪深300指数的波动,但是融资融券交易对沪深300指数波动的影响不大。

  (2)当市场处于下降阶段时,融资融券交易会加大沪深300指数的波动。当股灾发生后,两融交易对沪深300指数波动具有较为明显的推动作用。并且无论是在股灾背景下的沪深300指数,还是在熔断背景下的沪深300指数,融资交易与融券交易均在短期内对沪深300指数的波动具有一定推动作用,在长期内对沪深300指数的波动无显著影响,而且在短期内,融资交易的推动作用更加明显相对于融券交易而言。

  (3)融资交易与融券交易对沪深300指数的影响均为短期影响,并非长期影响。从第三部分的脉冲响应检验中可以看出,本文所研究的融资融券交易对沪深300指数的影响都集中在脉冲响应函数的大概前10期中,随后的脉冲响应函数趋近于零,因此可以说明,我国融资融券交易对沪深300指数波动的影响具有一定的爆发性与短期性,当市场出现强烈的利空或者利好消息时,在较短时间内,融资融券交易会加剧沪深300指数的波动并且对于波动的影响比较显著,但是从长期来看,融资融券交易对沪深300指数波动的影响并不明显。

  5.2政策建议

  通过上文的实证分析可以得出,融资融券交易在所研究的三个事件背景条件下确实加剧了沪深300指数的波动,所以为了能够合理的利用融资融券交易以促进我国股市健康良性的未来发展,本文将根据上文分析,从沪深两市风险监管和构建相关学习平台两个方面提出政策建议,希望对融资融券交易制度的进一步完善起到一定的帮助作用。

  (1)沪深两市风险监管

  1.虽然就法律法规而言,融资融券交易已经形成了比较的完善法律法规体系,例如:《证券法》和《证券公司监督管理条例》都对两融业务有着明确的规定,但是在监管方面仍有待提高。监管层应当充分利用最新的云计算和5G网络等高科技新技术建立沪深两市的融资融券交易风险监控体系,用于控制沪深两市的市场风险,使得相关的法律法规能很好的发挥其作用,做到违法必究。

  2.监管层应该建立融资融券交易面对突发事件的应急处理机制,当市场出现异常交易情况时可以及时采取措施,以防异常交易的扩散所导致的市场风险加大。因为当市场发生重大事件时,股市会出现剧烈的波动,所以有必要建立一个突发事件的应急处理机制,当重大事件发生后,对市场中的融资融券交易进行严密监控,以期降低市场风险。例如:当股市在短时间内发生暴涨暴跌时,可以采取“国家队”救市等举措,防止重大事件所引发的大面积恐慌,造成股市进一步的暴涨暴跌,保持股票市场的稳定性。

  (2)构建相关学习平台

  监管层应当构建相关的学习平台一可以使得投资者能够更好的学习相关知识和理论,让投资者对融资融券交易的本质有充分而又清醒的认识,这样可以使得投资者在进行融资融券交易时变得更加理性。二可以对投资者的结构进行一定程度上的优化,改变我国投资者以散户较多而机构占比较少的情况。根据深交所的统计数据,我国证券市场中的机构投资占比仅约15%,而散户投资占比却高达85%。因为机构得到的信息更全面,进行的投资更理性,使用的手段更多元化等优势相对于散户而言,所以机构投资的风险相对较低。当散户投资者通过相关的学习平台认识到这点之后,部分散户投资者会退出市场,达到降低散户投资的比重,增加机构投资的比重的目的,从而使得融资融券交易更加健康的发展。三是可以使投资者了解融资融券交易的相关知识,熟悉融资融券交易有关的业务流程和法律法规,在进行融资融券交易前可以认识到交易中可能存在的风险,进行理性投资。例如:投资者可以使用多样化投资来降低投资风险,避免在某个投资标的上集中大量资金,导致投资风险的增大。